IBM 发布 Granite 4.1 LLMON 实验预览模型
IBM 发布两款实验预览模型 granite-4.1-3b-LLMON-preview 和 granite-4.1-8b-LLMON-preview,用于生成和理解 LLMON 标记文本。
推荐理由:LLMON通过显式分离指令与数据,并提供模型、转换工具、LoRA示例和提示注入评测,展示了小模型强化上下文结构化的实现路径。
IBM 发布两款实验预览模型 granite-4.1-3b-LLMON-preview 和 granite-4.1-8b-LLMON-preview,用于生成和理解 LLMON 标记文本。
推荐理由:LLMON通过显式分离指令与数据,并提供模型、转换工具、LoRA示例和提示注入评测,展示了小模型强化上下文结构化的实现路径。
Google DeepMind 发布 Gemini 4 Hydrogen,将其定位为面向日常编码和多模型智能体工作流的高速执行模型,并同步开放至开发者、企业和消费者产品。
推荐理由:文章提供了模型的分级思考方式、基准成绩、定价与开放范围,便于开发者评估其性能、适用场景和迁移成本。
Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2,并上线 Cursor、GitHub Copilot、Perplexity 等平台。
推荐理由:文章汇总官方规格、独立基准与用户实测,便于比较新模型的排名、任务成本、effort 档位和订阅限制。
Google 正式开放 Gemini 4 Carbon,面向 Artificial Analysis 付费用户和开发者提供 Gemini API、Google AI Studio、Android Studio 及 Gemini for Business 接入。
Google DeepMind 发布用于机器人控制的 VLA 模型 Gemini Robotics 2.5,在奔驰汽车产线试验中完成金属零件分拣的成功率为 96%。模型在 200 多项任务中较此前基线将成功率提高 30% 至 100%,任务完成速度提高 20% 至 30%,目前正面向 Agile、Apptronik 和 Mercedes-Benz 推出。
Google DeepMind 发布 Gemini Robotics 2.5 视觉语言动作模型,以扩大机器人的技能范围并加快技能习速度。该模型在 200 多项任务中相较此前基线实现 30% 至 100% 的成功率提升,任务完成速度提高 20% 至 30%。
推荐理由:模型覆盖200项任务,并在汽车工厂试点中验证了灵巧度、可靠性与安全能力,可为机器人模型评测和落地提供参考。
Anthropic 发布 Claude Fable 5.2 和 Mythos 5.2,面向高要求技术任务,并在部分基准测试中领先。两款模型基于同一模型基础,Fable 面向所有用户并限制网络安全和生物领域的高风险任务,Mythos 取消部分限制,仅向通过 Anthropic 验证计划的组织开放。
同一件事,精选收录的是《Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2》
Anthropic 发布 Mythos 5.2 和 Fable 5.2,宣称新模型在编码、推理与视觉能力方面有所改进,并与用户沟通得更清晰。
推荐理由:原文给出新模型在编码、推理、速度与成本上的变化,并梳理RSI评估及隐蔽能力测试面临的难题。
Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2,作为同一底层模型的安全访问版本,面向高难度编码、推理与视觉任务。
推荐理由:发布说明覆盖编码、科研与安全评测,并给出价格、速度和防护差异,便于理解 Fable 与 Mythos 的定位。
Nous Research 通过约 53 million tokens 的监督微调训练出 Arete-27B,将 Qwen3.8-27B 的宣传性回答比例从 22% 降至 0.9%,事实准确性得分从 2.32 升至 2.98。
Thinking Machines 发布 Inkling 2 Small,一款 594B 总参数、17B 激活参数的多模态 MoE 模型,支持文本和图像输入、文本输出及 1M 上下文窗口。
推荐理由:文章汇总了 Inkling 2 Small 的规模、训练效率、基准表现和权重开放计划,读者可据此了解其能力定位与实际使用限制。
OpenAI 发布 GPT-6 Cyber,用于发现软件安全漏洞、生成可用 exploit 并提出修复建议。OpenAI 称该模型在 ExploitGym 得分为 48.5%,并在 Firefox 和 Linux 内核安全研究中发现了此前未知的严重漏洞;目前该模型通过 API 和 Codex 向部分 Daybreak Red 客户提供访问。
OpenAI 宣布推出面向网络安全的模型 ChatGPT Cyber,将面向其网络安全项目 Daybreak Red 的最高档用户开放,提供漏洞挖掘与开发工具。
OpenAI 发布网络安全模型 GPT-6 Cyber,用于漏洞发现、验证与修复训练。该模型通过 Daybreak Red/Blue 平台向审核通过的安全团队开放。
OpenAI 发布 GPT-6 Cyber 网络安全模型,用于发现漏洞并减少测试中的越界行为。ExploitGym 评测中,GPT-6 Cyber 得分为 48.5%,高于 GPT-5.6 Cyber 的 32.1% 和 GPT-6 Astra 的 42.4%;测试中越界率低于 1%,此前 GPT-5.6 Cyber 约为 5%。
Tencent 发布语言模型 Hy4,首次加入图像理解能力,并可自主操作电脑软件。当前可通过 Tencent Cloud、OpenRouter 和 Yuanbao 使用,模型权重计划稍后发布。
Cognition 发布编码模型 SWE-2 Flash,通过新增中训练阶段将 Terminal-Bench 4.0 得分从 0.9% 提升至 20.0%,FrontierCode 2.0 从 3.2% 提升至 24.0%。
Google DeepMind 发布 Gemini 4 Carbon,定位为网络安全与长程任务的前沿模型,并在 Artificial Analysis Intelligence Index v5 以 59 分排名第一。
Google DeepMind开始广泛推出Gemini 4 Argon,并扩大Fairwind Program,向更多可信网络防御者开放。Argon在12个端到端模拟网络攻击场景中全部解题,此前一代模型解决了5个;模型还采用输入筛查、内部内省和持续监控三层实时防护。
推荐理由:文中给出Argon的网络防御表现、三层滥用防护和实时失配监测,便于读者评估其广泛开放后的安全边界。
Google DeepMind 发布 Gemini 4 Argon 前沿模型,面向开发者、企业和消费者开放,用于复杂编码、科研、金融及智能体任务。模型经 API 在全球推出,首发价为每百万输入 token $2、每百万输出 token $10,缓存输入 token 优惠 95%,并支持 1M 统一输入输出 token 上限。
推荐理由:给出了 Argon 在代码库重构、科学计算、机器人和安全防护上的实测数据与落地路径,便于比较其复杂任务能力和使用门槛。